[发明专利]基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法

权利要求书

1.基于专家知识与拓扑相似的邻居优先生物分子子网搜索方法，其特征在于，对于网络A（G_A）、网络B（G_B）及A中的目标子网T（G_t），基于专家知识，同时考虑网络中生物分子及其在网络中的拓扑相似属性，以邻居节点优先的策略进行网络搜索，以在网络B（G_B）中获得与网络T（G_t）在生物意义上最相似的结果子网R（G_r）；具体操作步骤如下：

A、计算G_t和G_B的初始相似矩阵                                                ：根据生物分子的序列特征，构建网络T（G_t）和网络B（G_B）中生物分子的初始相似矩阵，其中的每个元素表示节点和节点之间的序列相似系数，其具体步骤如下：

A1、取，其余参数取缺省值，用BLAST计算中所有分子在的序列相似分子；

A2、按以下公式计算这些生物分子之间的相似系数：

B、计算G_t和G_B的相似矩阵S：根据生物分子在各自网络中的拓扑相似特征，计算生物分子的相似矩阵S，矩阵中的每个元素为节点和节点之间的相似系数；

C、构建专家知识字典：字典中包含了网络T（G_t）和网络B（G_B）中由专家确定的最相似的生物分子对；

D、采用邻居节点优先策略进行网络搜索：利用专家知识，基于相似矩阵S，以邻居优先策略进行搜索，获得结果子网；

E、计算结果子网（G_r）与目标子网（G_t）的相似得分；其相似得分定义如下：

设目标子网为，结果子网为，其中，，分别代表网络，的节点集合，且₁，₂，即网络中有₁个节点，网络₂个节点；表示节点存在于网络中，，分别表示结果子网中与对应的节点；、分别代表网络、的边集合，表示边的两个端点是节点，表示边是网络的一条边；表示边的权重；表示网络的节点和结果子网中与其对应的节点的序列相似系数；

则结果子网相对于目标子网的得分为

在无向图中：

其中 

在有向图中：

其中

F、计算p值，分析目标子网的统计学意义，p值反映了计算结果有多大概率是由两个无关网络随机计算的结果，p值越接近于0，说明所得到的结果越显著越不可能是随机出现的结果，因此越可能具有生物学意义；反之，p值越接近于1，则所对应的结果就越不显著，越可能是由于无意义的随机计算得到的；其具体步骤如下：

F1、生成网络B（G_B）的n个随机网络；

F2、在每个随机网络中用同样的方法搜索同一个目标子网的相似子网，得到n个结果子网；

F3、用T检验计算p值； 

G、结果子网（G_r）可视化。